BAB 2 TINJAUAN TEORITIS

BAB 2

TINJAUAN TEORITIS

2.1

Pengertian Peramalan

Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama, peramalan tidak dibutuhkan untuk waktu tenggang yang singkat. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam – macam cara yaitu Metode Pemulusan Eksponensial atau Rata – rata Bergerak, Metod Box Jenkis, Metode Regresi. Semua itu dikenal dengan metode peramalan. Metode Peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain peramalan ini digunakan dalam peramalan yang bersifat objektif.

Disamping itu metode peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama.

Universitas Sumatera Utara

Baik tidaknya suatu peramalan disusun, di samping ditentukan oleh metode yang digunakan, juga ditentukan oleh baik tidaknya data yang digunakan. Selama data yang digunakan tidak dapat meyakinkan, maka hasil peramalan juga akan sukar dipercaya akan ketapatannya.

2.2

Kegunaan Peramalan

Sering terdapat senjang waktu (Time lag) antara kesadaran akan peristiwa. Adanya waktu tenggang (Lead Time) merupakan alasan utama pada perencanaan dan peramalan. Dalam situasi ini peramalan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di organisasi atau perusahaan, peramalan merupakan kebutuhan

yang

sangat

penting,

dimana

baik

buruknya peramalan dapat

mempengaruhi seluruh bagian organisasi, karena tenggang waktu untuk pngambilan keputusan dapat berkisar beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Didalam bagian organisasi terdapat kegunaan peramalan, yaitu: 1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memrlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. 2. Berguna dalam penyediaan sumber daya tambahan Waktu Tenggang (Lead Time) untuk memperoleh bahan baku, menerima pekerja baru, atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai


beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya dimasa akan datang. 3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka penjang. Keputusan semacam ini bergantung kepada faktor – faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.

Walaupun banyak bidang lain yang memerlukan peramalan, namun tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.

Dari uraian diatas dapat dikatakan bahwa Mtode Peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga dapat memberikan cara pmikiran, pengerjaan yang teratur dan terarah, prencanaan yang sistematis akan memberikan ketepatan hasil peramalan yang dibuat atau disusun.


2.3

Metode Peramalan

Berdasarkan sifatnya teknik pramalan dibagi dalam dua kategori utama, yaitu: 1. Metode peramalan kualitatif atau teknologis Peramalan kualitatif adalah peramalan yang didasarkan pada data kulitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normative. 2. Metode peramalan kuantitatif Peramalan kuantitatif adalah peramalan yang didasarkan kepada data kuantutatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan menghasilkan peramalan yang berbeda. Baik tidaknya mtode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode peramalan yang digunakan semakin baik.

Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal. Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi, yaitu:

1. Adanya informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data


3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (Asumtion of Continuity), asumsi ini merupakan modal yang mendasari semua metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.

2.3.1 Pemilihan Teknik dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama–tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam mempersiapkan peramalan.

Ada 6 (enam) faktor utama yang diidentifikasikan sebagai taknik dan metode peramalan, yaitu: 1. Horizon Waktu Ada 2 (dua) aspek dari Horizon Waktu yang berhubungan dengan masingmasing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.


2. Pola Data Dasar utama dari metode peramalan adalah anggapan bahwa macam-macam dari pola yang didapati didalam data yang diramalkan akan berkelanjutan. 3. Jenis dari Model Model – model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan – prubahan dalam pola. Model – model perlu diperhatikan karena masing – masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan. 4. Biaya yang Dibutuhkan Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu

prosedur

peramalan,

yaitu

biaya

–

biaya

pengembangan,

penyimpangan (Storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik – teknik dan metode lainnya. 5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. 6. Kemudahan dalam Penerapan Metode – metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.


2.4

Analisa Deret Berkala

Data berkala (Times Series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu kejadian atau beberapa kejadian serta hubungannya dengan kejadian yang lain.

Metode Time Series merupakan metode paramalan kuantitatif yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhan / penurunan pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.

2.5

Penentuan Pola Data

Hal yang penting diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data pada umumnya dapat dibedakan sebagai berikut: 1. Pola Data Horizontal : pola ini trjadi bila nilai berfluktuasi disekitar nilai rata – rata yang konstan.


Gambar 2.1 Pola Data Horizontal

2. Pola Data Musiman (Seasonal) : Pola yang menunjukkan perubahan yang berulang – ulang secara periodik dalam deret waktu. Pola ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya kwartal tahun tertentu, bulanan, atau hari – hari pada minggu tertentu.


Gambar 2.2 Pola Data Musiman

3. Data Siklis (Cyclical) : pola data yang menunjukkan grak naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. y

Waktu

Gambar 2.3 Pola Data Siklis


4. Pola Data Trend

: Pola yang terjadi bilamana terdapat kenaikan atau

penurunan jangka panjang dalam data.

y

waktu Gambar 2.4 Pola Data Trend

2.6

Metode Pemulusan (Smoothing)

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata – rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode smoothing akan diklasifikasikan menjadi 2 (dua), yaitu: 1. Metode Rata – Rata Metode rata – rata dibagi menjadi 4 (empat) bagian, yaitu: a. Nilai Tengah (mean) b. Rata – rata bergerak tunggal (Single Moving Average) c. Rata – rata bergerak ganda (Double Moving Average) d. Kombinasi rata – rata bergerak lainnya. Tujuan dari metode rata – rata adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu system peramalan pada periode mendatang.


2. Metode Pemulusan (Smoothing) Eksponensial Bentuk umum dari metode pemulusan (eksponensial) ini adalah:

α

= parameter pemulusan

bila bentuk umum tersebut diperluas maka akan berubah menjadi :

Dari perluasan bentuk umum di atas dapatlah dikataan bahwa Metode Smoothing Eksponensial secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot relative yang lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas: a. Smoothing Eksponensial Tunggal a.1. Satu Parameter (One Parameter) a.2. Pendekatan aditif (ARRES)


digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau trend. b. Smoothing Eksponensial Ganda b.1. Metode Linier Satu Parameter dari Brown b.2. Metode Dua Parameter dari Holt

c. Smoothing Eksponensial Triple c.1. Metode Kuadratik Satu Parameter dari Brown Digunakan untuk pola data kuadrati, kubik, atau ore yang lebih tinggi. c.2. Metode Kecenderungan dan Musiman Tiga Parameter dari Winter Dapat digunakan untuk data yang berbentuk trend dan musiman. d. Smoothing Eksponensial Menurut Klasifikasi Pegels.

2.6.1 Metode Peramalan yang Digunakan

Pemilihan metode peramalan yang digunakan sangat menentukan keakuratan dan baik tidaknya hasil peramalan yang diperoleh. Untuk meramalkan jumlah kunjungan wisatawan domestic dan mancanegara di Kabupaten Karo, penulis menggunakan metode smoothing rata-rata bergerak ganda.


Metode pemulusan (Smoothing) merupakan metode peramalan yang mengadakan penghalusan atau penghalusan terhadap data lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang.

Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai tengah sebagai ramalan adalah dengan menentukan sejak awal berapa nilai observasi masa lalu yang akan dimasukkan untuk menghitung nilai tengah. Untuk menggambarkan prosedur ini digunakan istilah rata-rata bergerak (Moving Average), karena setiap muncul nilai observasi baru,

nilai rata-rata yang baru dapat dihitung dengan

membuang nilai observasi yang paling lama dan memasukkan nilai yang terbaru.

Hal yang dilakukan disini pada masing-masing langkah sebenarnya hanyalah menghitung kembali rata-rata dengan menambah nilai berikutnya dan menggugurkan pengamatan yang terjadi pada M periode sebelumnya. Maka rumus rata-rata bergerak dapat dituliskan dalam bentuk berikut ini:


Table 2.1 Rata-Rata Bergerak dalam Peramalan Deret Berkala Waktu

Rata-rata bergerak

Ramalan

T

T+1

T+2

Karana seorang peramal harus memilih jumlah periode (T) dalam rata-rata bergerak, maka ada baiknya beberapa aspek dari pemilihan ini dikemukakan: 1. MA (i) : yaitu rata-rata bergerak dengan ordo i 2. Xt

: nilai data terakhir yang diketahui yang digunakan sebagai ramalan untuk periode berikutnya.

Prosedur peramalan rata-rata bergerak linier meliputi 3 aspek, yaitu: 1. Penggunaan rata-rata bergerak tunggal pada waktu t (ditulis

)

2. Penyesuaian yang merupakan perbedaan antara rata-rata bergerak tunggal dan ganda pada waktu t 3. Penyesuaian untuk kecenderungan dari periode t ke periode t+1 (atau ke periode t+m jika ingin meramalkan m periode kedepan)


Secara umum penyesuaian prosedur rata-rata bergerak linier dapat diterangkan melalui persamaan berikut ini:

Dimana : = Rata-rata bergerak tunggal pada waktu t = Rata-rata bergerak ganda pada waktu t N

= Banyaknya nilai masa lalu

at

= konstanta untuk m periode kemuka

bt

= komponen kecenderungan

m

= jumlah periode kemuka yang diramalkan

F t+m

= nilai ramalan untuk 1+m waktu kedepan

Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus dibawah ini: ………………………………………………………(2-6) …………………………………………………(2-7)


Bilamana derat data menunjukkan trend, maka MA tunggal akan menghasilkan sesuatu yang merupai kesalahan sistematis dan kesalahan sistematis ini dapat dikurangi dengan menggunakan perbedaan antara nilai rata-rata bergerak tunggal dengan rata-rata bergerak ganda.

Persamaan (2-1) mempunyai ketarangan bahwa saat periode waktu t mempounyai nilai masa lalu sebanyak N. Nilai MA (N) tunggal dituliskan dengan Persamaan (2-2) menganggap bahwa semua rata-rata bergerak tunggal (

.

telah

dihitung. Dengan persamaan (2-2) itu kita menghitung rata-rata bergerak N periode dari nilai-nilai

tersebut. Rata-rata bergerak ganda dituliskan sebagai

(2-3) mengacu pada penyesuaian MA tunggal

dengan perbedaan

. Persamaan dan

persamaan (2-4) menentukan taksiran kecenderungan dari periode waktu yang satu ke periode berikutnya. Persamaan (2-5) menunjukkan bagaimana memperoleh ramalan untuk m periode ke muka adalah a t dimana merupakan nilai rata-rata yang disesuaikan untuk periode t tambah m kali komponen kecenderungan

.

Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah mtode yang memenuhi kriteria ketetapan ramalan.

Hasil peramalan yang akurat adalah peramalan yang bias meminimalkan kesalahan meramal.


Beberapa Kesalahan dan Ukuran Statistik Standar, antara lain : 1. ME (Mean Error) / Nilai Tengah Kesalahan :

2. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat :

3. MAE (Mean Absolute Error) / Nilai Tengah Kesalahan Absolut :

4. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolute

5. SDE (Standard Deviation Of Error) / Standar Kesalahan Deviasi :

Dengan :

X t = Data actual pada periode t

t

= Nilai ramalan pada periode t = Banyaknya priode waktu


Metode peramalan yang paling sesuai umumnya adalah metode yang memiliki kesalahan rata-rata (MSE) dan kesalahan presentase (MAPE) yang paling kecil. Agar setiap pendekatan peramalan dapat realistis dan secara praktis relevan, maka ada dua masalah utama yang harus dihindari dalam memilih sebuah metode, yaitu: 1. Pemilihan didasari oleh sampai sejauh mana sebuah metode sesuai dengan data yang tersedia untuk ramalan satu periode kemuka. 2. Pola data dan hubungannya selalu diasumsikan bersifat konstan. Karakteristik yang diinginkan dalam sebuah pendekatan baru mungkin tampak sebagai suatu kontradiksi. Misalnya, setiap metode deret waktu harus didasari oleh data masa lalu, sedangkan dalam saat yang bersamaan kondisi data dimasa mendatang belum tentu sama dengan masa lalu. Oleh karena itu ekurasi peramalan tidak hanya diukur sampai sejauh mana metode yang digunakan sesuai dengan data historis, tetapi juga diukur sampai sejauh mana metode yang digunakan tersebut mampu untuk memprediksi kondisi 1,2,3,…,m periode kedepan (Makridakis dan Wheelwrigght).

Menurut Hibon dan Makridakis (1979) langkah awal dalam membuat ramalan masa mendatang adalah menetukan apakah akan digunakan metode peramalan formal atau prosedur informal. Fakta yang diperoleh dari literatur yang menjiwai menyatakan dengan tegas bahwa pada kondisi data yang senantiasa berulang, metode kuantitatif atau metode peramalan formal lebih baik dari pada prosedur informal.


2.6.2 Metode Proyeksi Trend dengan Regresi Pada dasarnya analisis regresi diinterpretasikan sebagai suatu analisis yang berkaitan dengan studi ketergantungan (hubungan kausal) dari suatu variable tak bebas (dependent variables) dengan suatu variable penjelas (independent variables) dengan maksud untuk memperkirakan nilai rata-rata populasi atau nilai-nilai tertentu dari variable penjelas atau variable bebas. Metode proyeksi tren dengan regresi, merupakan dasar garis tren untuk suatu persamaan matematis. Sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang teliti untuk masa depan. Untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metode peramalan ini adalah data tahunan, dan makin banyak data yang dipunyai maka makin lebih baik, serta minimum data yang harus ada adalah data lima tahunan.


BAB 2 TINJAUAN TEORITIS

Recommend Documents